Unternehmensrestrukturierung & -sanierung BB
Jetzt
Bewerben

Quantitative Methoden im Restrukturierungsmanagement

Niveau der Lehrveranstaltung/des Moduls laut Lehrplan

Master

Lernergebnisse der Lehrveranstaltung/des Moduls

Studierende sind nach erfolgreicher Absolvierung der LV in der Lage, grundlegende statistische Kennwerte (z. B. Mittelwert, Standardabweichung, Korrelation, Verteilungen) zu berechnen und diese auf betriebswirtschaftliche Problemstellungen anzuwenden. Im Weiteren können die Studierenden empirische Fragestellungen statistisch auswerten und testen.

Voraussetzungen laut Lehrplan

keine Angabe

Lehrinhalte

A. Wahrscheinlichkeitstheorie:
Begriffe in der Wahrscheinlichkeitstheorie
Stetige/diskrete Wahrscheinlichkeits- und Verteilungsfunktionen
Positionsmaße, Disperionsmaße & Korrelation

B. Spezielle statistische Verteilungen:
Binomial-Verteilung
Hypergeometrische Verteilung
Poisson Verteilung
Normalverteilung
Hypothesentests

C. Spezielle Techniken der Statistik:
(Lineare) Regressionsanalyse
Ökonometrische Zeitreihenanalyse

D. Statistische Anwendungen in der Insolvenzfrüherkennung:
Diskriminanzanalyse
Logistische Regression
Neuronale Netze
Empirische und theoretische Hürden iZm statistischen Methoden in der Insolvenzfrüherkennung

E. Ergebnisse empirischer Forschung im Bereich Insolvenzfrüherkennung:
Quantitative Faktoren in der Insolvenzfrüherkennung
Qualitative Faktoren in der Insolvenzfrüherkennung
Ergebnisse aus ausgewählten Studien

empfohlene Fachliteratur

Situm Mario (2013) Krisenindikatoren und Methoden zur Früherkennung von Unternehmenskrisen. In: Exler, Markus (Hrsg.) Restrukturierungs- und Turnaround-Management, S.269-312, Berlin, Anderson. R. (2007). The Credit Scoring Toolkit: Theory and Practice for Retail Credit Risk Management and Decision Automation. Oxford Krengel, U. (2003). Einführung in die Wahrscheinlichkeitstheorie und Statistik. Wiesbaden Sachs, L. (1997). Angewandte Statistik: Anwendung statistischer Methoden. 8. Auflage. Berlin-Heidelberg Thomas, L. C., Edelman, D. B., & Crook J. N. (2002). Credit Scoring and ist Applications. Philadelphia Johnson, R. A., & Wichern D. W. (1982). Applied Multivariate Statistical Analysis, Englewood Cliffs Krzanowski, W. J., & Marriott, F. H. C. (1995). Multivariate Analysis. Part 2: Classification, Covariance Structures and Repeated Measures. London McDonald, R. L. (2006). Derivatives Markets, Boston Rencher, C. A. (1995). Methods of Multivariate Analysis, New York Salkind, N. (2006). Exploring Research, New Jersey Solnik, B., & McLeavey, D. (2009). Global Investments, Boston

Bewertungsmethoden und -kriterien

LV-abschließende schriftliche Prüfung in Form einer Klausur oder Hausarbeit

Unterrichtssprache

Deutsch

Anzahl der zugewiesenen ECTS-Credits

3

geplante Lehr- und Lernmethoden

Vortrag, Gruppenarbeit, Präsentation und Diskussion von Aufgaben

Semester/Trimester, in dem die Lehrveranstaltung/das Modul angeboten wird

1

Semester-Wochen-Stunden (SWS)

1.5

Name des/der Vortragenden

Prof. (FH) DDr. Mario Situm

Studienjahr

1.Studienjahr

empfohlene optionale Programmeinheiten

keine Angabe

Kennzahl der Lehrveranstaltungen/des Moduls

B.GLR.1

Art der Lehrveranstaltung/des Moduls

Pflichtfach (Integrierte Lehrveranstaltung)

Art der Lehrveranstaltung

Präsenzveranstaltung

Praktikum/Praktika

nicht zutreffend